gplsi/TerretaQA

TerretaQA是一个基准数据集，包含200个测试问题，专为关于西班牙瓦伦西亚自治区（Valencian Community）的问答任务设计。该数据集旨在评估需要地理基础知识、文化意识和区域理解的系统，属于问答（QA）基准类型，领域涉及瓦伦西亚自治区的本地地理、文化和行政划分，语言为瓦伦西亚语（Valencian），任务是根据问题返回正确的事实性答案。

TerretaQA is a benchmark dataset containing 200 test questions designed for question answering about localities in the Valencian Community (Spain). The dataset is intended to evaluate systems that require geographically grounded knowledge, cultural awareness, and regional understanding.

搜集汇总

数据集介绍

构建方式

TerretaQA是一个专注于西班牙巴伦西亚自治区地方知识的事实性问答基准数据集。其构建以区域地理、文化与行政区划为核心，由GPLSI与CENID研究团队精心设计，旨在评估模型对地方性知识的理解与推理能力。数据集包含200个测试问题，每个样本由自然语言问题与简洁的事实答案组成，答案均来源于可靠的地理与文化资料。问题的设计覆盖了历史、地名、标志性建筑等多个维度，确保内容的多样性与地域代表性。数据集的构建严格遵循科学标准，每一条问答对都经过人工校验，以保证答案的准确性和语言的规范性，所使用的语言为巴伦西亚语。

使用方法

TerretaQA的使用极其简便，研究人员可通过Hugging Face的datasets库直接加载。仅需一行Python代码：`load_dataset("gplsi/TerretaQA")`，即可获取完整的200条测试样本。该数据集适用于多种自然语言处理任务场景，包括封闭式问答系统的基准测试、检索增强生成模型的效果评估，以及区域文化与地理知识推理研究。由于其规模精炼且答案可靠，TerretaQA特别适合作为最终评估集，用于检验模型在细粒度地域知识上的泛化能力。使用时建议配合零样本或少样本提示策略，以充分发掘模型对巴伦西亚语及地方文化的处理潜力。

背景与挑战

背景概述

TerretaQA是于2025年由西班牙阿利坎特大学语言与信息系统小组（GPLSI）与数字智能中心（CENID）联合创建的一个面向瓦伦西亚社区地方性问答的基准数据集。该数据集聚焦于地理知识、文化意识和区域行政划分等核心研究问题，旨在评估问答系统在区域特定语境下的知识推理与回答能力。通过提供200道以瓦伦西亚语撰写的测试题目，TerretaQA填补了低资源语言和细粒度地域知识评测的空白，为地理信息检索和检索增强生成模型提供了新的验证场域，对推动区域自然语言处理发展与多语言问答系统评估具有重要影响。

当前挑战

TerretaQA所面临的核心挑战在于解决领域问题中的知识锚定与稀疏性：地方性地理与文化知识常常缺乏系统化数字资源，导致问答系统难以获取准确且完整的背景信息；同时，瓦伦西亚语作为低资源语言，预训练语料匮乏，限制了模型对地域性表达的语义理解。在数据集构建过程中，研究者面临题目设计的主观性与答案验证的复杂性——确保200道问题覆盖广泛的地域主题且答案精确无误，需要依赖大量本地专家知识，并在事实一致性上付出严格的人工校验成本。

常用场景

经典使用场景

TerretaQA数据集专为评估问答系统对瓦伦西亚自治区地方性知识的理解能力而设计。研究者通常将其作为基准测试集，用于检验模型在处理以瓦伦西亚语表述的、涉及当地地理、文化和行政区划等细粒度事实性问题时的表现。该数据集包含200个精心构造的测试问题，每一个都要求系统返回精准的客观答案，从而实现对模型地理知识锚定与文化感知能力的标准化评估。

解决学术问题

在学术研究中，TerretaQA主要解决了低资源语言条件下地域性知识问答系统的评估难题。现有问答基准多集中于高资源语言（如英语），而瓦伦西亚语作为地区性语言，在自然语言处理领域的数据支持严重不足。该数据集填补了这一空白，为研究区域语言学、文化敏感的问答以及对地理知识进行结构化推理提供了关键测试资源，推动了低资源场景下问答系统鲁棒性与文化适应性研究的进展。

实际应用

在实际应用中，TerretaQA可服务于旅游信息咨询系统、地方文化遗产数字导览和智能政务问答平台。例如，结合检索增强生成（RAG）技术，该系统能帮助用户快速获取关于瓦伦西亚小镇的历史建筑、节日民俗或行政边界等信息。这类应用不仅提升了游客与居民获取本地化知识的效率，也有效支撑了区域文化传承与数字化公共服务的发展。

数据集最近研究

最新研究方向

TerretaQA作为面向瓦伦西亚社区地域知识的低资源问答基准，其研究方向紧密围绕地理锚定知识与文化意识的评估。当前前沿趋势聚焦于检索增强生成（RAG）模型在区域性、多语言场景下的表现，尤其考察系统对行政划分、历史事件等地方性事实的精准提取与生成能力。结合欧盟资助的ALIA模型开发项目，该数据集为低资源语言（瓦伦西亚语）的NLP研究提供了稀缺的评判标尺，推动了地理与文化知识在判别式与生成式模型中的深度融合，对完善西班牙区域语言技术的生态构建具有里程碑意义。